Windows上安裝TensorFlow

網上大多數介紹安裝TensorFlow的文章，都讓你安裝Docker。而今TensorFlow已經原生支持Windows平臺了。本文介紹如何在Windows平臺上安裝Tensor Flow，以及GPU支持。

1 安裝NVIDIA相關軟件

• DirectX SDK
• CUDA Drivers
• CUDNN-CUDA for Deep Neural Networks
  （1）首先安裝DirectX SDK（June 2010）
  如果安裝過程中提示Error Code: S1023，則需要打開控制面板，將Microsoft Visual C++ 2010 x86 Redistributable-10.0.xxxx和Microsoft Visual C++ 2010 x64 Redistributable-10.0.xxxx卸載，再重新安裝即可。
  （2）安裝CUDA Driver
  這裏，CUDA的下載網址爲官網地址，可按下圖所示選擇所需版本。我選擇的版本爲cuda_8.0.44_win10.exe，大小約1.2GB，可以使用迅雷等下載工具下載。
  
  下載完成後，打開Sample路徑：C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0，選擇與本機Visual Studio相對應的Solution版本，這裏選擇的是Sample_vs2015.sln。然後分別編譯Release和Debug版本，編譯完成後，Win+R打開命令行窗口，cd C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64\Release，運行deviceQuery，如果顯示如下畫面，則安裝成功。
  
  （3）安裝cuDNN
  從官網下載cuDNN，下載時會提示你登錄或註冊一個NVIDIA賬號，註冊完成或登陸以後即可下載。我下載的版本是cudnn-8.0-windows-x64-v5.1.zip。這是一個壓縮包，裏面的有bin、include和lib三個子文件夾，每個子文件夾裏有一個文件。這裏可以將這三個小文件分別拖放到CUDA安裝路徑下的文件夾下，如將cudnn64_5.dll放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin裏。

2 安裝Python包

• Anaconda3
• TensorFlow
  （1）安裝Anaconda3
  Anaconda是Python的一個科學計算髮行包。TensorFlow在Windows平臺上只支持Pythoon3.4和3.5版本，所裏這裏下載的是Anaconda3-4.2.0-Windows-x86_64.exe。按照提示安裝即可。
  （2）安裝TensorFlow
  官網下載TensorFlow慢，可以從這裏下載TensorFlow的安裝包tensorflow‑0.12.1‑cp35‑cp35m‑win_amd64.whl或tensorflow_gpu‑0.12.1‑cp35‑cp35m‑win_amd64.whl。然後Win+R，CMD，打開命令行窗口，cd到安裝包的路徑，然後使用pip安裝即可。

3 測試

使用TensorFlow官方提供的Python示例代碼進行測試。代碼如下：

import tensorflow as tf
import numpy as np

# Create 100 phony x, y data points in NumPy, y = x * 0.1 + 0.3
x_data = np.random.rand(100).astype(np.float32)
y_data = x_data * 0.1 + 0.3

# Try to find values for W and b that compute y_data = W * x_data + b
# (We know that W should be 0.1 and b 0.3, but TensorFlow will
# figure that out for us.)
W = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
b = tf.Variable(tf.zeros([1]))
y = W * x_data + b

# Minimize the mean squared errors.
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)

# Before starting, initialize the variables.  We will 'run' this first.
init = tf.global_variables_initializer()

# Launch the graph.
sess = tf.Session()
sess.run(init)

# Fit the line.
for step in range(201):
    sess.run(train)
    if step % 20 == 0:
        print(step, sess.run(W), sess.run(b))

# Learns best fit is W: [0.1], b: [0.3]

如果一切正常，則應該出現如下結果。